您现在的位置是:首页 > 技术资料 > Softmax 函数详解
推荐星级:
  • 1
  • 2
  • 3
  • 4
  • 5

Softmax 函数详解

更新时间:2026-06-30 08:20:11 大小:15K 上传用户:潇潇江南查看TA发布的资源 标签:softmax函数 下载积分:2分 评价赚积分 (如何评价?) 打赏 收藏 评论(0) 举报

资料介绍

基本定义

Softmax 函数是一种归一化指数函数,它可以将一个包含任意实数的向量转化为一个取值范围在(0, 1)之间、且所有元素之和为 1 的概率分布。

假设输入是一个包含 $k$ 个元素的向量 Softmax 函数对第 $i$ 个元素的输出定义为:

 

其中  是输入元素的指数,分母是所有输入元素指数之和,以此保证所有输出的和为 1,可以直接表示概率。

核心特性

1. 输出概率化:所有输出值范围都在 0 1 之间,总和严格等于 1,天然适配多分类任务的概率输出需求。

2. 差异放大:经过指数变换后,输入中较大的值会得到更大的权重,相对较小的值权重会被压缩,能够凸显输入中的最大分量。

3. 可导性Softmax 函数处处可导,方便在神经网络训练中使用梯度下降等基于梯度的优化算法。

数学性质:梯度计算


部分文件列表

文件名 大小
Softmax_函数详解.docx 15K

全部评论(0)

暂无评论

上传资源 上传优质资源有赏金

  • 打赏
  • 30日榜单

推荐下载